MCP终极指南 - 从原理到实战（基础篇）

MCP终极指南 - 从原理到实战（基础篇）内容总结

下面视频讲的很清楚，建议直接看视频。我这里只是做一个回顾

MCP终极指南 - 从原理到实战（基础篇）内容总结链接视频：

一、MCP简要介绍

• 全称：Model Context Protocol（模型上下文协议）

• 核心功能：让大模型更好地使用各类外部工具，例如：

  • 让模型使用浏览器查询信息
  • 让模型操作Unity编写游戏
  • 让模型查询实时路况等
    
    重点理解：大模型只能对话，且不具备记忆能力

二、安装MCP Host（Cline）

• MCP Host定义：支持MCP协议的软件
  1. 先安装vs code
  2. 在vs code中搜索并安装 cline 插件
  3. 安装完成后，点击插件图标即可使用

三、配置Cline用的API Key

• 支持的模型：
  • cloud3.7：对MCP支持最好，但价格较高
  • deep seek v30324：效果不错，价格较低
• 以open router为例的配置步骤：
  1. 登录open router网站，创建API key并妥善保存（创建后无法找回）
  2. 若使用付费模型，需在open router中充值
  3. 在cline中配置：选择API provider为open router，填写API key，选择模型（如deep seek v30324或者qwen都可以）
  4. 在act mode中也需配置相同信息
     

四、第一个MCP问题

• 示例问题：明天纽约的天气怎么样
• 解决方案：cline建议创建一个天气相关的MCP server来解决该问题

五、概念解释：MCP Server和Tool

• MCP Server：
  • 本质：符合MCP协议的程序
  • 运行方式：可本地运行（通过node或Python启动），也可联网使用
  • 类比：类似手机应用，内置功能模块来解决特定问题
• Tool：
  • 本质：编程语言中的函数，是MCP Server内置的功能模块
  • 作用：执行特定任务，接收输入并返回输出
  • 示例：天气MCP server可能包含get forecast（传入经纬度返回未来几天天气）和get alert（传入地区返回气象预警）等Tool
    
    

六、配置MCP Server

对于配置MCP Server，本质就是运行MCP Server，并和host通过握手协议来完成以下工作

• 提供工具预览
• 请求工具调用
• 返回工具调用结果

通信的格式可以是任何约定好的信息格式

• 配置方式：
  • 自动安装：让模型主导安装过程，或在MCP server市场直接点击安装。安装的过程就是让cline运行weather.py程序
  • 手动配置：在JSON格式文件中填入启动命令等信息，包括：
    • MCP server的名字
    • 是否禁用（disabled）
    • 超时时间（time out）
    • 启动程序及参数（command和args）
    • 沟通方式（transports type，如STDIO）
• 生效方式：保存配置文件后，cline会自动识别并加载MCP server

{
{"mcpServers": {"weather": {"disabled": false,"timeout": 60,"type": "stdio","command": "uv","args": ["--directory","D:/work/test1_weather/weather","run","weather.py"]}}
}

启动MCP SERVER之后，host会和server进行协议交流（握手，相互交流下各自的信息），方式就是通过传递json,也可以是xml的任何约定好的格式

七、使用MCP Server

MCP server代码：这里我自己加了一个自动截图的功能测试

from typing import Any
import httpx
from mcp.server.fastmcp import FastMCP# Initialize FastMCP server
mcp = FastMCP("weather", log_level="ERROR")# Constants
NWS_API_BASE = "https://api.weather.gov"
USER_AGENT = "weather-app/1.0"async def make_nws_request(url: str) -> dict[str, Any] | None:"""Make a request to the NWS API with proper error handling."""headers = {"User-Agent": USER_AGENT,"Accept": "application/geo+json"}async with httpx.AsyncClient() as client:try:response = await client.get(url, headers=headers, timeout=30.0)response.raise_for_status()return response.json()except Exception:return Nonedef format_alert(feature: dict) -> str:"""Format an alert feature into a readable string."""props = feature["properties"]return f"""
Event: {props.get('event', 'Unknown')}
Area: {props.get('areaDesc', 'Unknown')}
Severity: {props.get('severity', 'Unknown')}
Description: {props.get('description', 'No description available')}
Instructions: {props.get('instruction', 'No specific instructions provided')}
"""@mcp.tool()
async def get_alerts(state: str) -> str:"""Get weather alerts for a US state.Args:state: Two-letter US state code (e.g. CA, NY)"""url = f"{NWS_API_BASE}/alerts/active/area/{state}"data = await make_nws_request(url)if not data or "features" not in data:return "Unable to fetch alerts or no alerts found."if not data["features"]:return "No active alerts for this state."alerts = [format_alert(feature) for feature in data["features"]]return "\n---\n".join(alerts)@mcp.tool()
async def get_forecast(latitude: float, longitude: float) -> str:"""Get weather forecast for a location.Args:latitude: Latitude of the locationlongitude: Longitude of the location"""# First get the forecast grid endpointpoints_url = f"{NWS_API_BASE}/points/{latitude},{longitude}"points_data = await make_nws_request(points_url)if not points_data:return "Unable to fetch forecast data for this location."# Get the forecast URL from the points responseforecast_url = points_data["properties"]["forecast"]forecast_data = await make_nws_request(forecast_url)if not forecast_data:return "Unable to fetch detailed forecast."# Format the periods into a readable forecastperiods = forecast_data["properties"]["periods"]forecasts = []for period in periods[:5]:  # Only show next 5 periodsforecast = f"""
{period['name']}:
Temperature: {period['temperature']}°{period['temperatureUnit']}
Wind: {period['windSpeed']} {period['windDirection']}
Forecast: {period['detailedForecast']}
"""forecasts.append(forecast)return "\n---\n".join(forecasts)
import os
import [e-mail]()
def take_screenshots() -> str:"""每隔5秒截图一次，保存到当前目录的 pick 文件夹，累计10张后停止。"""try:import pyautoguiexcept ImportError:return "请先安装 pyautogui 库：pip install pyautogui"save_dir = os.path.join(os.getcwd(), "pick")os.makedirs(save_dir, exist_ok=True)for i in range(1, 11):img = pyautogui.screenshot()filename = os.path.join(save_dir, f"screenshot_{i:02d}.png")img.save(filename)time.sleep(5)return "截图已完成，已保存10张图片到 pick 文件夹。"if __name__ == "__main__":# Initialize and run the servermcp.run(transport='stdio')

• 以查询纽约天气为例：
  1. 开启配置好的天气MCP server
  2. 再次询问纽约明天的天气，cline会发现该server及其中的get forecast Tool
  3. cline填入纽约经纬度，经用户确认后，调用Tool获取天气信息
  4. 模型对信息进行总结，给出纽约明天的天气情况及相关建议

八、MCP交互流程详解

1. 配置并保存MCP server后，cline执行程序，与server交互获取Tool列表
2. 用户提问后，cline将问题和Tool列表传给模型(这里是使用JSON的格式)
3. 模型决定需要调用的Tool及参数，并告知cline
4. cline调用对应MCP server的Tool，获取结果
5. cline将结果返回给模型，模型对结果进行总结
6. 模型将答案反馈给cline，cline再将答案返回给用户
   

九、如何使用他人制作的MCP Server

• 获取渠道：MCP市场（如MCP.so、mcp market.com、smedery.AI等）
• 常见编写语言：Python、node，对应的启动程序一般是UVX或NPX

（一）uvx部分

• UVX：u v to run命令的缩写，用于运行Python程序（UV是Python界的包管理软件）
• 使用步骤：
  1. 安装UV（可从UV的GITHUB仓库获取安装命令）
  2. 在MCP市场找到目标MCP server（如fetch，用于抓取网页内容），复制其UVX配置命令
  3. 在cline的配置文件中粘贴并格式化命令，点击安装
  4. 若首次执行因下载耗时导致超时，可先在终端执行命令完成下载，再在cline中点击retry connection重新加载

（二）npx部分

• NPX：用于运行node程序，是node的一部分
• 使用步骤：
  1. 安装node js（从官方网站下载安装）
  2. 在MCP市场找到目标MCP server（如hot news，用于拉取新闻），复制其NPX配置命令
  3. 在cline的配置文件中粘贴命令，完成加载
  4. 若加载超时，可先在终端执行命令完成下载，再在cline中重新加载
  5. 使用时，新建对话提问，经用户确认后，模型调用Tool并总结结果返回

以上就是MCP调用的流程，下一篇会是对host和mcp server交流的细节。